文章作者、来源：SkillsMaster

引言 三层战场与一个核心命题

2026年，人类历史上规模最大的资本集中正在发生。全球六大美国科技巨头将在本年度投入 $8,050亿（约人民币5.8万亿元）用于AI基础设施建设——这一数字超过了大多数国家的年度GDP，超过了美国2023年全年国防支出的两倍。

与此同时，SpaceX 以 $600亿全股票交易收购 Cursor（一家三年前估值仅 $5,900万的 AI 编程工具），在 SpaceX IPO 后第四天完成签约，引发 SPCX 单日暴涨17%，市值短暂超越微软。Anthropic 的年化营收在16个月内从 $10亿飙升至 $470亿，而该公司从未实现单季盈利，估值却已逼近 $9,650亿。

这些事件背后是同一场战争的不同战线。本文将这场战争拆解为三个独立但相互依存的战场：算力层的 CAPEX 军备竞赛、模型层的研发竞争、工作流层的入口争夺。核心论点是：护城河在三层中的强度完全不同，而大多数市场参与者在错误的层面配置了注意力。

第一章 算力层：$805B CAPEX 军备竞赛

算力层是这场战争的物质基础，也是进入资格的门槛。2023年美国六大超大规模玩家（Amazon AWS、Google Alphabet、Microsoft Azure、Meta、Oracle Cloud、CoreWeave）合计 CAPEX 为 $1,460亿；2026年预测数字为 $8,050亿，三年增长 451%。

1.1 Token 经济学：每 Token 即利润单元

Jensen Huang 在 GTC Taipei 2026 提出了 AI 工厂的核心经济逻辑：算力即营收，因为每个 Token 都是收入，每个 Token 都是利润。4 这一逻辑使 CAPEX 从"成本"转变为"产能投资"——就像一家工厂建设更多产线。单 GW 的 AI 工厂资本支出已达 $500–800亿，NVIDIA Vera Rubin NVL72 机架系统将推理成本相较 Blackwell 降低10倍，进一步强化了这一经济模型。

1.2 资本挤压：128% 再投资率意味着什么

2023年这六家公司 CAPEX 仅占经营现金流的40%，大量现金用于股票回购和分红。2026年这一比率突破100%，意味着仅靠经营现金流已无法覆盖基础设施支出，企业被迫转向外部融资。Alphabet 的 $847.5亿股权融资（2026年6月）——采用多级资本结构（可转换优先股 $400亿 + 零息债券 $100亿 + 普通股及优先股 $347.5亿）——正是这一压力的直接产物，也是有史以来最大单次股权融资。2

算力层的护城河是真实的，但它是准入门槛而非差异化优势。拥有算力的人只是获得了"参赛资格"，而无法凭此赢得最终竞争。

1.3 算力层的战略性悖论：NVIDIA 2026 YTD -18.9%

M7 股价数据（截至2026年6月18日）揭示了一个结构性矛盾：NVIDIA 是 CAPEX 军备竞赛最直接的受益者，但其2026年至今股价下跌18.9%，是 M7 中跌幅最大的。5 市场正在定价一个长期风险——下游买家的大规模 CAPEX，有相当部分用于建设绕过 NVIDIA 的自研 ASIC 路径（AWS Trainium、Google TPU v7、Microsoft Maia）。CoreWeave +240%、Micron +259%（2026 YTD）的表现则反映资本市场对 AI 供应链中游受益的判断。

第二章 模型层：研发竞争与"护城河幻觉"

如果说算力层决定了谁有资格参赛，模型层决定了谁能在参赛初期领跑——但 Sensor Tower 的数据已经证明，模型层的领先优势不能转化为可持续的用户锁定。

2.1 ChatGPT 份额腰斩：品牌认知不等于用户锁定

ChatGPT 从2023年5月约85%的全球份额持续下滑至2026年5月约43%，下滑幅度超过40个百分点，且全程无任何反弹。这一曲线传递了一个核心信号：消费端 LLM 的网络效应极弱。用户基于即时效用切换，不存在"我的朋友在这里所以我在这里"的社交锁定，也不存在多年积累的内容库（如 Netflix 的片库）。

2025年1月 DeepSeek 发布引发了整个时间序列中最剧烈的单次份额波动——ChatGPT 在数周内损失约10个百分点。这表明一个开源、免费、性能相当的替代品，就足以在极短时间内重新分配数千万用户。消费端 LLM 的切换成本实际上接近于零。

2.2 Anthropic 的悖论：$1 万亿估值亏损公司

Anthropic 自2021年成立以来从未实现单季盈利，2024年单年燃烧 $56亿现金（毛利率 -94%），2026年中期估值却达到 $9,650亿（Series H）。3 年化营收从2025年1月的 $10亿跑到2026年5月的 $470亿——16个月增长47倍。

这一估值逻辑的核心不在于当前盈利，而在于企业端 API 集成形成的双重锁定：80% 收入来自企业客户，300,000+ 商业客户的代码库、合规体系、产品流程已深度嵌入 Claude API。切换成本不再是"哪个模型更好"的问题，而是"重构全部集成的工程成本"——这个成本往往远超模型性能差异。

模型层的护城河是短暂的——每6-12个月一次的新模型发布都可能抹平性能领先。真正形成锁定的，是建立在模型之上的工作流与数据集成。

第三章 工作流层：Cursor、Copilot 与企业 SaaS 入口之争

工作流层是三个战场中护城河最深、持续时间最长的。进入工作流意味着进入用户每天工作8小时的环境——一旦建立习惯、沉淀数据、嵌入流程，替换成本将从"模型好不好用"升级为"整个工作系统的重建"。

3.1 Cursor 案例：工作流粘度的极限实验

深度案例分析｜SpaceX $600亿收购 Cursor：从 $5,900万 Seed 到史上最贵 AI 工具收购

Cursor 由4名 MIT 本科生于2023年将 VS Code fork 而来，以"Vibe Coding"工作流颠覆了开发者与代码的交互范式——开发者不再需要处理低层语法，而是在 AI 辅助下进行高维度的 AI 编排。在峰值时期，Cursor 占据 AI 编程工具41%的市场份额，并贡献了 Anthropic Claude API 收入的约一半。

3.2 工作流粘度与模型依赖的致命张力

Cursor 案例最重要的教训不在于它的成功，而在于它的结构性脆弱性。2026年 Anthropic 切断 Claude 访问权限后，Cursor 的 AI 编程市场份额从41%骤降至26%。这一事件清晰揭示：应用层的工作流粘度建立在模型层的供给稳定性之上，一旦底层供给方收权，再强的工作流粘度也会瞬间失效。

SpaceX 以 $600亿 All-Stock 交易收购，本质上是用资产负债表解决这一供给侧风险——通过整合 xAI 的 Grok 模型和孟菲斯 Colossus 超算（全球最大 GPU 集群之一），将模型供给内部化，同时保留 Cursor 积累的海量真实开发者代码决策数据。代码生成是 LLM 最高价值的应用场景，这些数据对 xAI 模型的持续改进具有不可替代的价值。2

3.3 Microsoft Copilot：分发渠道的系统性优势

Microsoft 的工作流战略与 SpaceX/Cursor 走的是截然不同的路径。Copilot 不是依靠产品体验驱动的自然增长，而是依托 Microsoft 365 的 3.45亿付费订阅用户实现的强制性渗透。7 GitHub Copilot 的年化营收已超过 $20亿（2026年），企业续约率超过85%。

更关键的是 Microsoft 的数据优势：通过 Office、Teams、Outlook 等产品沉淀的企业工作流数据，形成了任何独立 AI 工具都难以复制的语境理解能力。当 Copilot 能够在 Word 文档中引用昨天的 Teams 会议纪要，同时关联 Outlook 中的相关邮件链时，切换成本就已经从"软件替换"升级为"工作记忆的断裂"。

3.4 企业 SaaS 层：Salesforce、Workday 与垂直 AI 入口

工作流层的竞争不仅限于通用 AI 工具。传统企业 SaaS 厂商正在将 LLM 能力嵌入其核心产品，形成垂直化的 AI 工作流控制。Salesforce Einstein GPT 直接访问 CRM 数据的能力，使其在销售工作流中的粘度远超任何通用 LLM 接口。Workday AI 在人力资源决策流程中的嵌入，同样形成了极高的数据和流程迁移成本。

历史平行案例｜WhatsApp ($220亿) → Cursor ($600亿)：网络效应收购的范式演化

Facebook 2014年以 $220亿收购 WhatsApp（其中 $190亿 = $40亿现金 + $150亿股票），当时 WhatsApp 的2013年净亏损为 $1.38亿，几乎零营收。8 并购逻辑：用户通讯录社交网络形成横向锁定，每新增用户提升全网络价值（经典双边网络效应），Facebook 的防御动机是阻止竞争对手获得移动消息入口。

Cursor 的逻辑结构与之相似但更复杂：横向网络效应弱于 WhatsApp（开发者间不会因为同事用 Cursor 而被迫使用），但纵向数据飞轮远强于 WhatsApp（真实代码决策数据持续改善模型，形成工作流→数据→模型→更好工作流的自强化循环）。$600亿是市场对"工作流控制权 + 代码数据飞轮"组合的定价，较 WhatsApp 溢价约172%，反映 LLM 时代工作流价值的重新标定。

第四章 AI Factory 战争：护城河的位置、建立与失效条件

综合三个战场的分析，护城河的位置并非单一的。不同玩家在不同层建立了不同强度的壁垒，但关键问题是：哪种护城河可以跨越技术迭代周期而持续？哪种护城河在何种条件下会失效？

4.1 算力护城河：真实但非差异化

拥有大量 GPU 集群提供了准入门槛，但不能建立差异化优势——因为竞争对手可以用同样的资本购买同样的硬件。NVIDIA 的 Vera Rubin 平台将推理成本降低10倍，意味着算力成本的快速下降将进一步削弱"拥有更多算力"的护城河价值。算力层护城河的失效条件：自研 ASIC 大规模成熟（预计2027-2028年），届时超大规模云厂商的推理成本优势将大幅压缩。

4.2 数据飞轮护城河：最难复制的长期优势

Cursor 积累的真实开发者代码决策数据、Anthropic 企业 API 调用中沉淀的专有业务数据，以及 Microsoft 通过 Office 365 积累的企业工作流数据，代表了 AI 时代最具防御性的资产。数据飞轮的护城河深度取决于两个变量：数据的专有性（是否可被他人复制或合成替代）和数据与模型改进的耦合程度（数据是否真实驱动了模型的差异化能力）。

4.3 工作流控制权：终极护城河

工作流控制权是三种护城河中持续时间最长的。它的防御逻辑不依赖于模型性能的持续领先（可以在模型层换供应商），而依赖于迁移的摩擦成本——重写提示词、重建 API 集成、重新培训员工、重新通过安全合规审计。这些成本的总和往往超过新模型带来的效率提升，形成了持续的惰性锁定。

失效条件有三个：① 出现颠覆性工作流范式（如从"AI 辅助编程"跳跃到"AI 完全自主编程"，重置整个工作流逻辑）；② 开放标准化接口消除迁移成本（如统一的 AI Agent 调用协议）；③ 监管强制要求数据可携带性。

4.4 地缘政治：被低估的系统性风险

所有三层护城河都建立在一个隐含假设上：供应链稳定。NVIDIA Vera Rubin 平台的7颗协同设计芯片全部在台积电3nm工艺制造，HBM4 内存来自韩国三家制造商。台湾地缘政治风险和出口管制随时可以中断硬件供给链，而这一风险并未在当前的 CAPEX 规划中得到充分定价。4 这是整个 AI Factory 战争唯一真正的系统性外生风险。

结论：谁将赢得这场战争

本文的核心命题在三个章节的数据分析后得到了系统性验证：AI 竞争的护城河不在同一层，算力层决定生存资格，模型层的领先转瞬即逝，唯有控制工作流层的玩家才能建立可持续的定价权。

Sensor Tower 数据已经证明消费端无粘度，ChatGPT 三年份额腰斩是最清晰的实证。Cursor $600亿收购说明市场已经完成对"工作流控制权"的重新定价，这一价格将继续上涨。Anthropic $470亿 ARR 与持续亏损并存，证明企业 API 集成形成的锁定足以支撑远超当期盈利的估值。

从竞争格局判断，Microsoft 拥有最均衡的三层护城河——Azure 算力、OpenAI 模型访问权、Office/GitHub 工作流入口；Anthropic 在企业 API 粘度上领先但面临持续资本消耗压力；Google 的分发渠道优势（Android + Search）在消费端难以被复制；SpaceX/xAI+Cursor 的垂直整合路径尚在验证期，但若成功将构建最难被拆解的护城河组合。

最终的战争不在于哪家的模型更聪明，而在于哪家的工作流更难离开。这是 WhatsApp 时代就已验证的基本商业逻辑，在 LLM 时代被放大到了万亿美元的尺度。

数据来源与注释

1 Bank of America Analyst Team (April 2026)；TrendForce Global Research (May 2026)；Amazon、Alphabet、Microsoft、Meta、Oracle Q1 2026 财报指引。"U.S. AI Hyperscale CAPEX Sprint"数据图；"Capital Squeeze: CAPEX vs. OCF"数据图。

2 SpaceX/Anysphere 并购公告（2026年6月）；Cursor ARR 官方披露；HKU Business School Prof. Chen Lin 演讲材料（2026年6月）；Crunchbase 融资数据库。

3 Anthropic Series H 融资公告（2026年5月，估值 $965亿）；HKU Business School 课程材料"1 Trillion USD worth Loss Making Firm"数据图；Bloomberg Terminal。

4 NVIDIA GTC Taipei 2026 Jensen Huang 主题演讲（2026年6月1日，台北音乐中心）；NVIDIA Vera Rubin 产品发布公告；SemiAnalysis "Vera Rubin: Extreme Co-Design"（2026年2月）。

5 Bloomberg Terminal；"M7 vs Micron 2026 YTD (June 18, 2026)"数据图；HKU Business School 课程材料。各公司历年年报。

6 Sensor Tower Global Research；Prof. Chen Lin (林晨教授), HKU Business School 演讲幻灯片"Customer Price Sensitivity and Loyalty"（2026年6月，Worldwide数据）。

7 Microsoft 2026财年财报；GitHub Copilot ARR 官方披露；Microsoft 365 付费订阅用户数据（Q1 2026）；Satya Nadella 投资者日陈述。

8 Facebook/Meta WhatsApp 收购公告（2014年2月）；WhatsApp 2013年财务数据；HKU Business School 课程材料"Old Story in the previous cycle"；SEC 相关文件。